1263: #2017. 「SCOI2016」围棋

Memory Limit:256 MB Time Limit:4.000 S
Judge Style:Text Compare Creator:
Submit:0 Solved:0

Description

近日,谷歌研发的围棋 AI —— AlphaGo 以 4 : 1 的比分战胜了曾经的世界冠军李世石,这是人工智能领域的又一里程碑。与传统的搜索式 AI 不同,AlphaGo 使用了最近十分流行的卷积神经网络模型。在卷积神经网络模型中,棋盘上每一块特定大小的区域都被当做一个窗口。例如棋盘的大小为 5×6 5 \times 6 5×6,窗口大小为 2×4 2 \times 4 2×4,那么棋盘中共有 12 12 12 个窗口。此外,模型中预先设定了一些模板,模板的大小与窗口的大小是一样的。

对于一个模板,只要棋盘中有某个窗口与其完全匹配,我们称这个模板是被激活的,否则称这个模板没有被激活。我们要研究的问题是:对于给定的模板,有多少个棋盘可以激活它。为了简化问题,我们抛开所有围棋的基本规则,只考虑一个 n×m n \times m n×m 的棋盘,每个位置只能是黑子、白子或无子三种情况,换句话说,这样的棋盘共有 3nm 3^{nm} 3nm 种。此外,我们会给出 q q q2×c 2 \times c 2×c 的模板。我们希望知道,对于每个模板,有多少种棋盘可以激活它。

强调:模板一定是两行的。

输入格式

输入数据的第一行包含四个正整数 n n nm m mc c cq q q,分别表示棋盘的行数、列数、模板的列数和模板的数量。
随后 2×q 2 \times q 2×q 行,每连续两行描述一个模板。其中,每行包含 c c c 个字符,字符一定是 WBX 中的一个,表示白子、黑子或无子三种情况的一种。

输出格式

输出应包含 q q q 行,每行一个整数,表示符合要求的棋盘数量。由于答案可能很大,你只需要输出答案对 109+7 10 ^ 9 + 7 109+7 取模后的结果即可。

样例

样例输入

3 1 1 2
B
W
B
B

样例输出

6
5

数据范围与提示

N≤100,M≤12,C≤6,Q≤5 N \leq 100, M \leq 12, C \leq 6, Q \leq 5 N100,M12,C6,Q5